音頻去噪演算法

『壹』 如何給音頻降噪

給音頻降噪：以Adobe Audition CS6為例給聲音降噪（其他版本操作基本相同）：
1：運行Audition CS6，並在單軌打開要處理的音頻文件缺汪；
2：在波形上選取一段有代表性的噪音部分（這一步很重要，降噪效果的好壞和采樣樣本的選取有直接關系，可對整個音頻文件的波形伏明仔仔細觀察、聆聽後，選有代表性的一段）；
3：點：效果--降噪/修復--降噪；在彈出的效槐首果-降噪對話框里點：捕捉樣本特性，等采樣完畢點應用；
4：關閉效果-降噪對話框後，全選波形，點：效果--降噪/修復--降噪；點應用；
4：處理完試聽滿意保存文件就可以了。
滿意我的回答請及時採納！

『貳』 如何有效去除音頻中的噪音

也就是我們常說的降噪處理。
如果對音質要求不高，例如情景聲音、電話錄音，一般的音頻編輯軟體都能降噪，例如Adobe Audition，CoolEdit Pro，GoldWave等等這些小軟體就能勝任。
如果對音質要求相對較高的話，例如歌曲人聲，背景音樂，就需要相對更專業的軟體了。既然是音樂製作，你一定有一個大型的宿主軟體或者工作站，這些工作站中內置的錄音軟體一般都能降噪。WaveArts專門用於降噪/修復音頻用的效果器包Restoration系列不錯，售價很高，網上有XX版。
專業噪音消除軟體Diamond Cut DC Live Forensics也擁有良好的口碑，它提供了更加細致的降噪參數調節和更加廣泛的降噪途徑選擇，而且能夠做到Live現場降噪，移除大量有害電平和雜訊。
作為音樂製作人應該了解到後期的降噪並不是萬能的，只是對不完美的音頻的修補，在保留有價值聲音的同時有的雜訊甚至無法消除，所以前期錄音時應該最大限度的過濾掉錄音環境的噪音保證聲音的干凈。

『叄』 Python 簡單的擴音，音頻去噪，靜音剪切

數字信號是通過對連續的模擬信號采樣得到的離散的函數。它可以簡單看作一個以時間為下標的數組。比如，x[n]，n為整數。比如下圖是一個正弦信號(n=0,1, ..., 9)：

對於任何的音頻文件，實際上都是用這種存儲方式，比如，下面是對應英文單詞「skip」的一段信號(只不過由於點太多，筆者把點用直線連接了起來）：

衡量數字信號的 能量（強度） ，只要簡單的求振幅平方和即可：

我們知道，聲音可以看作是不同頻率的正弦信號疊加。那麼給定一個聲音信號（如上圖），怎麼能夠知道這個信號在不同頻率區段上的強度呢？答案是使用離散傅里葉變換。對信號x[n], n=0, ..., N-1，通常記它的離散傅里葉變換為X[n]，它是一個復值函數。

比如，對上述英文單詞「skip」對應的信號做離散傅里葉變換，得到它在頻域中的圖像是：

可以看到能量主要集中在中低音部分（約16000Hz以下）。

在頻域上，也可以計算信號的強度，因為根據Plancherel定理，有：

對於一般的語音信號，長度都至少在1秒以上，有時候我們需要把其中比如25毫秒的一小部分單獨拿出來研究。將一個信號依次取小段的操作，就稱作分幀。技術上，音頻分幀是通過給信號加一系列的 窗 函數 實現的。

我們把一種特殊的函數w[n]，稱作窗函數，如果對所有的n，有0<=w[n]<=1，且只有有限個n使得w[n]>0。比如去噪要用到的漢寧窗，三角窗。

漢寧窗

三角窗

我們將平移的窗函數與原始信號相乘，便得到信號的「一幀」：

w[n+d]*x[n]

比如用長22.6毫秒的漢寧窗加到「skip」信號大約中間部位上，得到一幀的信號：

可見除一有限區間之外，加窗後的信號其他部分都是0。

對一幀信號可以施加離散傅里葉變換（也叫短時離散傅里葉變換），來獲取信號在這一幀內（通常是很短時間內），有關頻率-能量的分布信息。

如果我們把信號按照上述方法分成一幀一幀，又將每一幀用離散傅里葉變換轉換到頻域中去，最後將各幀在頻域的圖像拼接起來，用橫坐標代表時間，縱坐標代表頻率，顏色代表能量強度（比如紅色代表高能，藍色代表低能），那麼我們就構造出所謂 頻譜圖 。比如上述「skip」發音對應的信號的頻譜圖是：

（使用5.8毫秒的漢寧窗）

從若干幀信號中，我們又可以恢復出原始信號。只要我們適當選取窗口大小，以及窗口之間的平移距離L，得到 ..., w[n+2L], w[n+L], w[n], w[n-L], w[n-2L], ...，使得對k求和有：

從而簡單的疊加各幀信號便可以恢復出原始信號：

最後，注意窗函數也可以在頻域作用到信號上，從而可以起到取出信號的某一頻段的作用。

下面簡單介紹一下3種音效。

1. 擴音

要擴大信號的強度，只要簡單的增大信號的「振幅」。比如給定一個信號x[n]，用a>1去乘，便得到聲音更大的增強信號：

同理，用系數0<a<1去乘，便得到聲音變小的減弱信號。

2. 去噪（降噪）

對於白噪音，我們可以簡單的用「移動平均濾波器」來去除，雖然這也會一定程度降低聲音的強度，但效果的確不錯。但是，對於成分較為復雜，特別是頻段能量分布不均勻的雜訊，則需要使用下面的 雜訊門 技術，它可以看作是一種「多帶通濾波器」。

這個特效的基本思路是：對一段雜訊樣本建模，然後降低待降噪信號中雜訊的分貝。

更加細節的說，是在信號的若干頻段f[1], ..., f[M]上，分別設置雜訊門g[1], ..., g[M]，每個門都有一個對應的閾值，分別是t[1], ..., t[M]。這些閾值時根據雜訊樣本確定的。比如當通過門g[m]的信號強度超過閾值t[m]時，門就會關閉，反之，則會重新打開。最後通過的信號便會只保留下來比雜訊強度更大的聲音，通常也就是我們想要的聲音。

為了避免雜訊門的開合造成信號的劇烈變動，筆者使用了sigmoid函數做平滑處理，即雜訊門在開-關2個狀態之間是連續變化的，信號通過的比率也是在1.0-0.0之間均勻變化的。

實現中，我們用漢寧窗對信號進行分幀。然後對每一幀，又用三角窗將信號分成若干頻段。對雜訊樣本做這樣的處理後，可以求出信號每一頻段對應的閾值。然後，又對原始信號做這樣的處理（分幀+分頻），根據每一幀每一頻段的信號強度和對應閾值的差（diff = energy-threshold），來計算對應雜訊門的開合程度，即通過信號的強度。最後，簡單的將各頻段，各幀的通過信號疊加起來，便得到了降噪信號。

比如原先的「skip」語音信號頻譜圖如下：

可以看到有較多雜音（在高頻，低頻段，藍色部分）。採集0.25秒之前的聲音作為雜訊樣本，對信號作降噪處理，得到降噪後信號的頻譜圖如下：

可以明顯的看到大部分噪音都被清除了，而語音部分仍完好無損，強度也沒有減弱，這是「移動平均濾波器」所做不到的。

3. 靜音剪切

在對音頻進行上述降噪處理後，我們還可以進一步把多餘的靜音去除掉。

剪切的原理十分簡單。首先用漢寧窗對信號做分幀。如果該幀信號強度過小，則捨去該幀。最後將保留的幀疊加起來，便得到了剪切掉靜音部分的信號。

比如，對降噪處理後的「skip」語音信號做靜音剪切，得到的新信號的頻譜圖為：

『肆』 「APTX」是什麼意思

Apt-X是一種基於子帶ADPCM（SB-ADPCM）技術的數字音頻壓縮演算法。原始算塌顫陵法由Stephen Smyth 博士於20世紀80年代提出。由Audio Processing Technology（現已被CSR合並）公司發展並命名為apt-X。最初用於專業音頻與廣播領域。

主要用於專業音頻領域，提供高品質的音頻。其特點是：

①壓縮率：4：1（aptX Live 為8：1，SBC為3：1到6：1之間）；

②Word Depth：支持16bit,24bit音頻(aptX Enhanced還支持20bit音頻)；團戚

③編解碼延時：采樣頻率48kHZ時<2ms；（SBC為2.5ms+緩沖時間）。

(4)音頻去噪演算法擴展閱讀

功能洞返：

1、aptX 編解碼技術可輸出 CD 級音質，因此多年來一直是音樂行業、公共廣播機構和電影製片廠的秘密武器。

2、Bluetooth® 受最大可用帶寬限制，因此並非始終適合傳送高品質音頻。

3、aptX 通過在不影響音頻質量或導致延遲問題的情況下顯著壓縮比特率，帶來前所未有的 Bluetooth® 立體聲聆聽體驗。

『伍』 濾波器如何去除系統中的白噪音如何去除

七種濾波去噪⽅式

1.巴特沃斯低通濾波器去噪

從圖上可以看出巴特沃襪卜斯低通濾波器對信號⼀的濾波效果還是可以的，主要是因為有效的信號最⾼頻率才30Hz，本程序將50Hz以上的信號全部濾除，通過的頻率成分中仍然是有⽩雜訊的。

對於信號⼆，濾波後的信號與沒有加雜訊的信號相⽐就有搭如失真了，上升沿和下降沿的⾼頻信號被濾除了。

2.FIR低通濾波器去噪

3. 移動平均濾波去噪

從上圖可以看出，⽆論是對信號⼀還是對信號⼆，中值濾波的濾波效果都是很不錯，特備是對於信號⼆，上升沿和下降失真⽐較的⼩。5. 維納濾波去噪

維納濾波器屬於現代濾波器，傳統的濾波器只能濾除信號和⼲擾頻帶沒有重疊的情況，當信號和⼲擾頻帶有重疊的時候傳統濾波器將⽆能為⼒，這時就需要⽤到現代濾波器，現代濾波器利⽤信號和⼲擾的統計特徵（如⾃相關函數、功率譜等）導出⼀套最佳估值演算法，然後⽤硬體或軟體予以實現。

維納濾波是以均⽅誤差最⼩（ LMS（Least MeanSquare） 為准則的，它根據過去觀測值和當前觀測值告枝穗來估計信號的當前值，因此它的解

6. ⾃適應濾波去噪

維納濾波器參數是固定的，適合於平穩隨機信號。卡爾曼濾波器參數是時變的，適合於⾮平穩隨機信號。然⽽，只有在信號和雜訊的統計特

本程序是基於LMS演算法的⾃適應濾波，從上圖可以看出，濾波效果也是很不錯的，特別是對於信號⼆，上升沿有失真，下降沿保持還可以，最要的是得到的波形⼗分的平滑。由此可見⾃適應濾波極具使⽤價值。
7. ⼩波去噪

對於信號⼆，⼩波的去噪效果⾮常不錯，雖然得到波形不是很平滑，但是上升沿和下降沿保持的⾮常⾼，基本可以看到棱⾓.

『陸』 lms演算法與譜減法都是語音去噪方面的演算法，那他們都分別適用於哪樣的聲音中呢，還有各自的優缺點是啥

先說說譜減法，是通過付利葉變化在頻域上實現操作，這就要求雜訊和本真聲音在頻譜上有一定的區分度。

LMS演算法是一種自適應演算法，它的利用價值就是，倘若本真和雜訊頻譜完全重疊的話，那用頻減法是沒法實現的，於是它是按照對比匹配來進行濾波。

優缺點：
譜減法，直接快速，但是頻譜重疊部分濾不到
LMS，重疊也能濾，缺點是基於逐次匹配，需要一段時間才能實現濾波效果，而且還濾的不完全乾凈

『柒』 如何對音頻文件進行降噪

1. 將我們的音頻草稿拖入到素材窗。（ctrl+I,選擇我們的素材）

2. 雙擊我們的拍源寬音頻草稿，將會在我們的操作窗口中出現波形文件。

3. 滑鼠放到 時間軸的最右邊，向左拖動時間軸選框，放大時間軸。

4. 觀察音頻文件，我們可以看到為錄音部分1.2.3等處的噪音明裂轎顯。

   （如果打開軟體沒有頻譜頻率窗口，可以按shift+D，調出來）

   1.2.3出便是我們需要的噪音采樣，選擇噪音采樣的標准：1噪音時間足夠的長，2沒有錄音.

5. 選擇噪音采樣

   1.放大時間軸，知道我們可以輕松的選擇噪音為止。

   2.點選噪音的末端，拖動滑鼠到噪音的頂端。

   這樣我們就選擇了我們的噪音采樣。

6. 捕捉噪音樣本

   效果-----降噪恢復-----捕捉噪音樣本

   快捷鍵（shift+P）

7. 全選音頻文件，

   1.全部顯示音頻的時間軸，以便查看到全部的波形文件。

   2.ctrl+a全選音頻

8. 降噪處理

   效果-----降噪恢復-----降噪（處理）

   快捷鍵（ctrl+shift+P）

9. 1.在彈出的效果-降噪界面中，調節降噪參數（80-95）之間，降噪幅度（30-50）之間，具體效果，因情況而定，降噪過大的話，音質就會失真。

   2.應襲亮用，等待效果處理完成。

10. 試聽，降噪效果明顯好轉。看圖上，原來的噪音部分沒有了，降噪成功.

11. 導出音頻文件，ctrl+shift+s，

12. 設置自己導出的具體選項。完成

『捌』 如何除掉音頻里的噪音

有一次開會，同事推薦浮雲音頻降噪軟體，能去除音頻里的噪音。

目前有很多軟體可以實現音頻和視頻的降噪，但是經過實踐檢驗，還是這個簡單、高效。

它是一款智能化的音頻優化工具，可實現視頻降噪（降音頻噪音）、音頻降噪、調高音量、分割音頻、合成音頻及批量處理等功能。程序採用最先進的人工智慧演算法，可以極大消除音頻中的風聲、水聲、電流聲等多種雜訊。

與此同時，還可以調高音量，最終導出高品質的音頻文件。可滿足各類采訪錄音、會議錄音、電話錄音等音頻文件的降噪、提高音量、分割音頻、合成音頻等需求。

為什麼說這個方法簡單、高效呢？

一方面是操作簡單，只需要添加文件，包括音頻文件或者視頻文件，然後選擇結果的保存目錄，點擊開始降噪，就可以坐等結果了；

另一方面是因為浮雲音頻降噪軟體，可以實現批量降噪，也就是說，如果有多條音頻或者視頻文件需要同時進行處理，它都可以一鍵實現，完成降噪的需求。

在其界面可以看到，降噪模式有兩種，一種是智能降噪，另一種的常規降噪。正如上面所講到的，噪音產生的原因是多種多樣的，所以噪音的情況是很復雜的，軟體提供兩種模式供使用，增加處理的成功率。

另外，結果保存格式既有MP3，也有WAV，如果是視頻文件的話，可以保存出一個音頻文件，一個視頻文件，視頻是什麼格式，文件結果就保存為什麼格式。

值得注意的是，它的分割音頻、合成音頻的功能是免費的，而且如何想對格式進行轉換也可以免費實現，通過免費功能實現格式轉換為mp3等。

『玖』 網易雲有降噪模式嗎

有。基於信號處理的傳統音頻降噪演算法對於 Stationary Noise（平穩雜訊）有比較好的降噪效果。但是對於 Non-stationary Noise（非平穩雜訊），特別是 Transient Noise（突發雜訊）降噪效果較差，而且有些方法對於語音也有較大的損傷。

網易雲音樂Music Buds耳機，主要的手感就是輕和圓潤，整機重量在40g以下，與市面上其他TWS耳機相比，Music Buds耳機的輕量便攜性更好。目前Music Buds耳機有黑色款和白色款，配色的選擇度不高，建議後續考慮加入紅尺擾粗色、綠色、藍色、粉色等配色，這樣更能滿足年輕人的個性需求。

充電盒表面的磨砂質感還是不錯的，邊角處理圓潤，切角光滑無毛刺，整體的製造工藝還是陵鎮值得稱贊的。

網易雲音樂Music Buds耳機在滿電狀態下，實測開啟降噪連續使用4小時後，耳機的剩餘電量為32%，所以標准模式下可以達到官方宣稱的7個小時。

另外李悉充電盒也能提供額外4次的充電，耳機的綜合續航能力約為35小時。一周充一次電就能滿足一周的使用要求，日常使用時無需可以關注耳機的充電問題，可以說是很省心了。

『拾』 用小波分析法除去音頻信號的雜訊

小波變換及其應用是八十年代後期發展起來的應用數學分支，被稱為「Fourier分析方法的突破性進展[1]」。 1986年Meyer Y構造了一個真正的小波基，十多年間小波分析及其應用得到了迅速發展，原則上傳統的傅里葉分析可用小波分析方法取代[2],它能對幾乎所有的常見函數空間給出通過小波展開系數的簡單刻劃，也能用小波展開系數描述函數的局部光滑性質，特別是在信號分析中，由於它的局部分析性能優越，因而在數據壓縮與邊緣檢測等方面它比現有的手段更為有效[3-8]。 小波變換在圖像壓縮中的應用因它的高壓縮比和好的恢復圖像質量而引起了廣泛的注意，且出現了各種基於小波變換的圖像壓縮方案。
小波變換自1992年Bos M等[9]首先應用於流動注射信號的處理，至今雖才8年時間，但由於小波變換其優良的分析特性而迅速滲透至分析化學信號處理的各個領域。本文介紹了小波變換的基本原理及其在分析化學中的應用情況。
1 基本原理
設f(t)為色譜信號，其小波變換在L2(R)中可表示為：

其中a, b∈R,a≠0,參數a稱為尺度因子b為時移因子，而(Wf)(b, a)稱為小波變換系數，y(t)為基本小波。在實際分析化學信號檢測中其時間是有限長度，f(t)通常以離散數據來表達，所以要採用Mallat離散演算法進行數值計算，可用下式表示：
fj+1=θj + f j
其中:N為分解起始尺度;M為分解次數；fj和qj可由下式求得：

此處:Φj, m為尺度函數;Ψj, m 為小波函數;系數Cmj ,dmj可由下式表達：

hk-2m , gk-2m取決於小波母函數的選取。
用圖表示小波分解過程如下：

圖中fN 、fN-1....fN-m和θN-1、θN-2....θN-m分別稱為在尺度N上的低頻分量和高頻分量。上述分解過程的逆過程即是信號的重構過程。
2 分析化學中的應用
根據小波變換基本原理及其優良的多分辯分析特性，本文將小波變換在分析化學信號處理中的應用劃歸為以下三個方面：
2.1 信號的濾波
小波濾波方法目前在分析化學中應用主要是小波平滑和小波去噪兩種方法。小波平滑是將某一信號先經小波分解，將在時間域上的單一信號分解為一系列不同尺度上的小波系數(也稱不同頻率上的信號), 然後選定某一截斷尺度，使高於此尺度的小波系數全部為零，再重構信號，這樣就完成了一個低通小波濾波器的設計；而小波去噪，則是在小波分解基礎上選定一閾值，對所有尺度空間的小波系數進行比較，使小於此閾值的小波系數為零，然後重構信號[10]。
邵利民[11]等首次將小波變換應用於高效液相色譜信號的濾波，他們應用了Haar小波母函數，由三次小波分解後所得的低頻部分重構色譜信號，結果成功地去除了雜訊，明顯地提高了色譜信號的信噪比，而色譜峰位保持一致，此法提高了色譜的最低檢測量和色譜峰的計算精度。董雁適[12]等提出了基於色譜信號的小波自適應濾波演算法，使濾波與雜訊的頻帶分布，強度及信噪在頻帶上的交迭程度基本無關，具有較強的魯棒性。
在光譜信號濾噪中的應用，主要為紅外光譜和紫外光譜信號濾噪方面的應用，如Bjorn K A[13]等將小波變換用於紅外光譜信號的去噪，運用6種不同的小波濾噪方法(SURE，VISU，HYBRID，MINMAX，MAD和WP)對加噪後紅外光譜圖進行了去噪,針對加噪與不加噪的譜圖，對Fourier變換、移動平均濾波與小波濾波方法作了性能比較研究，結果認為Fourier變換、移動平均濾波等標准濾波方法在信噪比很低時濾噪性能與小波濾波方法差不多，但對於高信噪比的信號用小波濾噪方法(特別是HYBRID和VISU)則更有效 。閔順耕[14]等對近紅外漫反射光譜進行了小波變換濾波。顧文良[15]等對示波計時電信號進行了濾噪處理。王立世[16]等對電泳信號也做了小波平滑和去噪,都取得了滿意的效果。鄒小勇[17]等利用小波的時頻特性去除了階躍伏安信號中的噪音，並提出了樣條小波多重濾波分析方法，即將過濾後的高頻噪音信號當成原始信號進行濾波處理，使之對有用信號進行補償。鮑倫軍等[18]將樣條小波和傅里葉變換聯用技術應用於高噪音信號的處理。另外，程翼宇[19]等將紫外光譜信號的濾噪和主成分回歸法進行了有機的結合，提出了小波基主成分回歸(PCRW)方法，改善了主成分回歸演算法。
2.1 信號小波壓縮
信號經小波分解之後，噪音信號會在高頻部分出現，而對於有用的信號分量大部分在低頻部分出現，據此可以將高頻部分小波系數中低於某一閾值的系數去除，而對其餘系數重新編碼，只保留編碼後的小波系數，這樣可大大減少數據貯存量，達到信號壓縮的目的。
在近代分析化學中分析儀器的自動化水平在不斷提高，分析儀器所提供的數據量越來越大。尋找一種不丟失有效信息的數據壓縮方法，節省數據的貯存量，或降低與分析化學信息處理有關的一些演算法的處理量，已成為人們關心的問題。Chau F T等[20]用快速小波變換對模擬和實驗所得的紫外可見光譜數據進行了壓縮，討論了不同階數的Daubechies小波基、不同的分解次數及不同的閾值對壓縮結果的影響。Barclay V J和Bonner R F[10]對實驗光譜數據作了壓縮，壓縮率可達1/2~1/10,並指出在數據平滑和濾噪的同時，也能進行數據的壓縮是小波有別與其他濾波方法的一大特點。王洪等[21]用Daubechies二階正交小波基對聚乙烯紅外光譜進行了成功的壓縮，數據可壓縮至原來的1/5以下。邵學廣等[22]對一維核磁共振譜數據作了小波變換壓縮，分別對常用的Haar、Daubechies以及Symmlet小波基作了比較，其結果表明准對稱的Symmlet小波基對數據的復原效果最佳，而且在壓縮到64倍時，均方差仍然較小。章文軍等[23]提出了常用小波變換數據壓縮的三種方法，將緊支集小波和正交三次B-樣條小波壓縮4-苯乙基鄰苯二甲酸酐的紅外光譜數據進行了對比，計算表明正交三次B-樣條小波變換方法效果較好，而在全部保留模糊信號及只保留銳化信號中數值較大的系數時，壓縮比大而重建光譜數據與原始光譜數據間的均方差較小。邵學廣等[24]將小波數據壓縮與窗口因子分析相結合，在很大程度上克服了用窗口因子分析直接處理原始信號時人工尋找最佳窗口的困難，在壓縮比高達8:1的情況下，原始信號中的有用信息幾乎沒有丟失，窗口因子分析的解析時間大為縮短。Bos M等[25]用Daubechies小波對紅外光譜數據進行壓縮，壓縮後的數據作為人工神經網路演算法的輸入接點，從而提高了人工神經網路的訓練速度，預測的效果也比直接用光譜數據訓練的要好。
2.3 小波多尺度分析
在多尺度分析方面的應用主要是對化學電信號進行小波分解，使原來單一的時域信號分解為系列不同頻率尺度下的信號，然後對這些信號進行分析研究。
小波在色譜信號處理方面的應用，主要是對重疊色譜峰的解析。邵學廣[26-27]等對苯、甲苯、乙苯三元體系色譜重疊峰信號小波變換後的某些頻率段進行放大，然後重構色譜信號，使重疊色譜峰得到了分離，定量分析結果得到了良好的線性關系。此後邵學廣[28]等利用了譜峰提取法對植物激素重疊色譜峰作了定量計算，此法表明，利用小波變換從重疊色譜信號中提取的各組分的峰高與濃度之間仍然具有良好的線性關系。
重疊伏安峰的分辨是電分析化學中一個長期存在的難題。當溶液中存在兩種或更多的電活性物質，而這些物質的氧化(或還原)電位又很靠近時，就會不可避免地出現重疊峰的現象，而給進一步的定性、定量分析帶來了很大困難。因此，人們做了較多的工作去解決這一難題。數學方法是目前處理重疊峰的重要手段，如Fourier變換去卷積以及曲線擬合。曲線擬合通常用來獲得「定量」的信息，但這種方法有較多的人為因素，重疊峰包含的峰的個數，相對強度都是靠假設得來，因而可能引入嚴重的誤差；去卷積方法則是一種頻域分析手段，但該方法需先找出一個函數來描述伏安峰，然後再根據這個函數來確定去卷積函數，因此，去卷積函數的確定是比較麻煩的，尤其是對不可逆電極過程，無法找到一個合適的函數表達式，而且該方法還需經正、反Fourier變換，比較繁瑣費時, 而小波分析的出現成了電分析化學家關注的熱點。
陳潔等[29]用DOG小波函數處理差分脈沖實驗數據，通過選擇合適的伸縮因子，成功地延長了用DPV法測定Cu2+的線性范圍。鄭建斌等[30-31]將小波變換用於示波計時電位信號的處理，在有用信息提取、重疊峰分辨等方面進行了系統的研究。王洪等[32]將小波邊緣檢測的思想用於電位滴定終點的確定，找到了一種判斷終點准確的終點判斷方法。鄭小萍等[33]將樣條小波變換技術用於分辨重疊的伏安峰，以選定的分辨因子作用於樣條小波濾波器，構造了一個小波峰分辨器，用它來直接處理重疊的伏安峰，取得了較好的分離效果，被處理重疊峰可達到完全基線分離，且峰位置和峰面積的相對誤差均較小。
對於紅外光譜圖，目前也是通過對紅外譜圖進行小波分解，以提高紅外譜圖的分辯率。陳潔[34]等對輻射合成的丙烯醯胺、丙烯酸鈉共聚物水凝膠的紅外光譜信號經小波處理後，使其特徵吸收帶較好地得到分離，成功地提高了紅外光譜圖的解析度。謝啟桃[35]等對不同晶型聚丙烯紅外光譜圖作了小波變換，也得到了可用以區分聚丙烯a、b兩晶型的紅外光譜圖。
3 展望
小波變換由於其優良的局部分析能力，使其在分析化學信號的濾噪、數據壓縮和譜峰的分離方面得到了很好的應用。本人通過對小波變換在化學中應用的探索，認為對於分析化學中各種電信號的平滑、濾波還有待作更深入的研究，以設計出更為合理有效的小波濾波器，以消除由於平滑而導至的尖銳信號的峰高及峰面積的變化或由於去噪而帶來的尖銳信號附近的不應有的小峰的出現；對於重疊峰的分離及其定量計算，還應該探討如色譜峰基線的確定方法以及待分離頻率段的倍乘系數的確定方法；另外對於色譜峰的保留指數定性問題，由於不同化合物在某一確定的分析條件下有可能會出現保留值相同的情況，這將使在未知樣中加標準的峰高疊加法定性或外部標准物對照定性變得困難，我們是否可能對色譜峰進行小波分解，然後在不同的尺度上對其進行考察，以尋求色譜峰的小波定性方法，這可能是個可以進一步研究的問題。
小波變換將在分析化學領域得到更加廣泛的應用，特別對於分析化學中的多元定量分析法，如多元線性回歸法(MLR)，主成分回歸法(PCR)，偏最小二乘法(PLS)等方法及人工神經網路(ANN)將會同小波變換進行有機的結合，以消除各種雜訊干擾對定量分析的影響；或對相關數據進行壓縮以減少待分析數據的冗餘，提高分析精度和大大減少計算量提高分析速度。小波變換將會成為分析化學中定量和定性分析的一種非常重要的工具。